Extensions/Anomalous TTS (GPT-SoVITS)

ComfyUI Extension

Anomalous TTS (GPT-SoVITS)

Speaks scripts with your trained GPT-SoVITS character models (v1 to v2ProPlus; Japanese, Chinese, English): emotion tags, several speakers in one script, pauses. No separate GPT-SoVITS install needed; base models download on first use. Companion of Anomalous Model Browser (import characters, edit emotions and pronunciations), also usable on its own.

By DemonGatanjieu·Created 17 days ago·Updated about 23 hours ago· 0

DemonGatanjieu/Anomalous_TTS

Nodes—

On cloudLocal install

Stars0

Updatedabout 23 hours ago

Readme

Anomalous TTS (GPT-SoVITS)

在 ComfyUI 里用训练好的 GPT-SoVITS 角色模型读台词：多句一起生成，可以切换情绪、多人对话、插入停顿。不需要另外安装 GPT-SoVITS 整合包：推理代码已经精简后放在节点包里，直接用 ComfyUI 的 PyTorch 和显卡。

它是 Anomalous Model Browser 的配套节点包。两个一起装，可以在 Anomalous 里拖入文件导入角色、标注情绪、改读音，然后在剧本台直接生成；只装这一个也能用，角色文件夹需要自己放好。

English: A ComfyUI node that speaks scripts with your trained GPT-SoVITS character models (v1, v2, v2Pro, v2ProPlus; Japanese, Chinese, English), with emotion tags, multiple speakers and pauses. No separate GPT-SoVITS install is needed. It is the companion of Anomalous Model Browser, which imports characters, edits emotions and pronunciations, and generates scripts from its Script Director. The node's buttons follow ComfyUI's language; the rest of this page is in Chinese.

安装

ComfyUI Manager：搜索 Anomalous TTS，安装后重启 ComfyUI。
手动：在 ComfyUI/custom_nodes 里执行
```
git clone https://github.com/DemonGatanjieu/Anomalous_TTS.git
```
然后用 ComfyUI 自己的 Python 安装依赖（便携版是 python_embeded\python.exe -m pip install -r requirements.txt），重启 ComfyUI。

第一次生成时会自动下载需要的底模（按语言，最多约 1.6 GB）到 models/gpt_sovits/pretrained/。电脑上已经有 GPT-SoVITS 整合包的话，可以直接用它的底模，见下面“已有的模型和底模”。

开始使用

准备角色
- 装了 Anomalous Model Browser：打开它的“角色语音”页，把 GPT、SoVITS 权重和参考音频拖进去，自动建好角色。
- 只用本节点：按下面“角色文件夹”的样子把模型放进 ComfyUI/models/gpt_sovits/。
添加节点 角色语音 (GPT-SoVITS)（英文界面叫 Character Speech (GPT-SoVITS)，分类 Anomalous/TTS），选角色，写台词，接 Save Audio 或 Preview Audio。

节点上平时只有：角色、台词、种子、语速，以及几个按钮：

| 按钮 | 作用 | |---|---| | 插入标签 | 列出当前角色的情绪、其他角色、常用停顿，点一下插到光标处 | | 角色：试听 / 刷新 / 导入与编辑 | 试听主声音和各个情绪的参考音频；刷新角色列表（新放进去的角色不用重启）；在 Anomalous 里导入或编辑这个角色（没装 Anomalous 时会告诉你去哪装） | | 高级参数 | 语言、参考音频、权重、采样参数、批量大小，一般不用动 |

角色有问题，或者缺这个语言要用的 Python 包时，节点上会多出一行 ⚠ 提示，点它可以看原因或复制安装命令。

台词写法

先生、おはようございます！{开心}今日もがんばりましょう！[pause:0.8]
[普拉娜]……おはようございます、先生。

| 写法 | 作用 | |---|---| | {开心} | 之后改用「开心」的参考音频；{main} 切回主参考 | | [普拉娜] | 之后换这个角色说（角色名或别名） | | [pause:1]、[pause:500ms]、[停顿:1s] | 插入停顿 | | {开心}[take:2]好的。 | 只把这一段换一版重新生成（到换行或下一个标签为止），其他句子不变 |

写了不存在的情绪或角色不会报错：控制台提示，并继续用主参考 / 当前角色。语言默认自动判断，中文里夹的英文单词按英语读。

支持范围

模型：v1、v2、v2Pro、v2ProPlus。不支持 v3 / v4。
语言：日语、中文、英语。跨语言（比如日语角色说中文）也可以，会带一点口音，这是模型本身的。
改了台词里的一句，再运行只重新生成这一句；同样的输入得到同样的声音。
每句自动调到同样的音量，换种子、换句子不会忽大忽小。
显存：ComfyUI 要加载别的模型而显存不够时，或者点“卸载模型”时，会一起释放本节点的模型。

使用声音的提醒

本包不附带任何角色模型或声音。请只使用你有权使用的声音模型，生成的语音不要用来冒充真人或误导他人；发布作品时遵守声音来源的授权要求和当地法规。

以下是参考资料，用到时再看。

<details> <summary>角色文件夹</summary>

models/gpt_sovits/
  阿罗娜/
    日配/                 ← 一个角色下有多套模型时，分别列为「阿罗娜/日配」「阿罗娜/中配」
      GPT_weights_v2/*.ckpt
      SoVITS_weights_v2/*.pth
      参考音频/*.wav
      all.txt              ← GPT-SoVITS 训练标注文件，用来查参考台词
      anomalous_tts.json   ← 可选：角色设置（通常由 Anomalous 生成）
  pretrained/              ← 底模，首次使用自动下载

权重默认用轮数最大的；设置文件或高级参数里可以指定。
参考台词依次从：设置文件 → 同名 .txt 或 .lab → 标注文件（.list，或同格式 .txt：音频路径|说话人|语言|台词）里找；都没有就用无参考文本模式。
情绪参考：设置文件里的 emotions，或把文件改名为 原名.情绪.wav（情绪名是第一个点后面的部分，和 F5-TTS、Anomalous 相同）。
高级参数里的 reference_audio 填角色文件夹里的相对路径（例如 参考音频/xxx.wav），留空就自动选。
参考音频的语气会带到每一句话里：拿问句当主参考，每句结尾都会上扬。没指定主参考时，会自动挑有台词、语气平稳的陈述句，4～8 秒优先。
设置文件格式见 docs/INTERFACE.md 第 3 节。

</details> <details> <summary>已有的模型和底模</summary>

已有的模型不用复制。存放位置（导入的角色放在哪）、其他角色文件夹，以及电脑上已有的 GPT-SoVITS 整合包（用它的底模，省掉下载），写在 ComfyUI/user/anomalous_tts.json 里（路径要写完整，改完不用重启）：

{
  "format": 1,
  "storage": "D:/voices",
  "libraries": ["E:/old voices"],
  "pretrained": ["D:/GPT-SoVITS/GPT_SoVITS"]
}

这些只能在这个文件里改，网页上改不了。导入角色时文件一律从浏览器上传（拖进 Anomalous 或在里面选），节点不会按路径去读你电脑上的文件。角色文件夹也可以在 ComfyUI/extra_model_paths.yaml 里加：

anomalous_tts:
    base_path: D:/voices
    gpt_sovits: 模型

底模（首次使用时自动下载到 models/gpt_sovits/pretrained/）：

| 用途 | 文件 | 大小 | 来源 | |---|---|---|---| | 所有 | chinese-hubert-base | 190MB | HuggingFace lj1995/GPT-SoVITS | | 中文 | chinese-roberta-wwm-ext-large | 650MB | HuggingFace | | 中文多音字 | G2PWModel | 600MB | ModelScope（固定版本，下载后核对 SHA-256） | | v2Pro | sv/pretrained_eres2netv2w24s4ep4.ckpt | 100MB | HuggingFace | | 日语里的英文单词 | ja_userdic/userdict.csv | 17MB | GitHub（GPT-SoVITS 固定版本） | | 英语 | 英语词典 + nltk 词性数据 | 约 30MB | GitHub |

网络不通时按报错提示手动下载。G2PWModel、opencc 或 onnxruntime 缺失时，中文多音字改用 pypinyin 判断（能用，但准确率下降）。

依赖见 requirements.txt，只用到的语言才加载对应的包：日语 pyopenjtalk-plus；中文 pypinyin、jieba、opencc；英语 g2p_en、wordsegment、nltk。

</details> <details> <summary>读音替换</summary>

有些词角色总是读错时，在角色的设置文件 anomalous_tts.json 里加 replace（Anomalous 的“读音”按钮就是改这里）：左边是台词里写的，右边是让角色实际读的。台词和字幕照常写，只有送进模型的文字被替换，只对这个角色生效。

{
  "replace": { "C站": "西站", "LoRA": "萝拉", "粘进": "沾进" }
}

长的先匹配，只替换一遍（替换出来的字不会再被替换）。日语模型说中文时特别有用：

中文里夹的英文字母和单词按英语发音读，只学过日语的模型读不好；写成读音相近的汉字。
只学过日语的模型发不好 ü（选 → 显、全 → 敲）、后鼻音（模型 → 墨西）和声调。这是模型本身的限制。在难读的词前面加个字（插件 → 这个插件）、加逗号断开，或者换个说法，往往就好了。
多音字偶尔判断错，例如“粘进”会读成 nián；换成同音的字。

想让 AI 助手替你调某个角色（试音、找出读错的词、换参考音频、写替换表），把 docs/AGENT_GUIDE.md 给它看。

</details> <details> <summary>用 API 调用</summary>

{
  "1": { "class_type": "AnomalousTTS_CharacterSpeech", "inputs": { "character": "阿罗娜", "text": "老师好。" } },
  "2": { "class_type": "SaveAudio", "inputs": { "audio": ["1", 0], "filename_prefix": "tts/line" } }
}

除了 character、text 都可以不传。language 写 中文、zh、cn、日文、ja、japanese 等都可以。
提示（角色没有这个情绪、参考没有台词等）在节点的 info 输出里，也在 /history 里这个节点的 outputs.text。
同一角色、同一参考的句子一起批量生成（batch_size，默认 8；显存不够就调小）。
单独跑一个只有本节点的 ComfyUI 时，别的程序要用显存，本节点不会知道；用完调一次 ComfyUI 的 POST /free（内容 {"unload_models": true}）就会释放模型。

</details> <details> <summary>开发</summary>

代码结构和维护规矩：ARCHITECTURE.md。
和 Anomalous 的约定：docs/INTERFACE.md。
更新记录：CHANGELOG.md。
测试：见 tests/README.md。
上游代码来源与改动：UPSTREAM.md。

</details>

许可证

MIT。内含 GPT-SoVITS 与 Genie-TTS 的部分代码（均为 MIT），出处见 UPSTREAM.md。